Docstoc

Resume E.J. Douglas Bab V

Document Sample
Resume E.J. Douglas Bab V Powered By Docstoc
					                                        BAB 5
                  PERKIRAAAN FUNGSI PERMINTAAN



5.1 PENDAHULUAN

        Perkiraan permintaan (demand estimation) berbeda dengan peramalan
permintaan (demand forecasting). Perkiraan permintaan adalah suatu proses
menemukan nilai sekarang (current value) dari koefisien-koefien pada fungsi permintaan
pada suatu produk. Sementara itu, peramalan permintaan adalah suatu proses
menemukan nilai-nilai untuk permintaan pada periode waktu yang akan datang. Nilai
sekarang (current value) diperlukan untuk menilai keoptimalan dari penentuan harga
saat ini (current pricing) dan kebijakan promosi serta untuk membuat keputusan sehari-
hari pada area strategi ini. Nilai masa depan (future value) diperlukan untuk
merencanakan produksi, persediaan, pengembangan produk baru, investasi, dan situasi-
situasi lainnya di mana keputusan yang dibuat mempunyai pengaruh selama peride
waktu yang panjang.

        Pada Bab 4, bentuk fungsi permintaan adalah sebagai berikut.




Permintaan atas suatu produk diungkapkan sebagai sebuah fungsi dari harga produk itu
sendiri, harga barang-barang terkait, periklanan, penghasilan konsumen, selera dan
harapan konsumen, dan variabel-variabel lain yang kiranya penting dalam penentuan
permintaan untuk suatu produk.

        Koefisien-koefisien β mewakili jumlah penjualan yang akan bertambah (atau
berkurang) mengikuti suatu perubahan satu-unit (one-unit change) pada nilai dari setiap
variabel. Tingkatan sekarang (present level) dari setiap variabel dapat diketahui atau
ditemukan dari penelitian. Koefisien dari setiap variabel ini adalah subjek dari perkiraan
permintaan dan penting bagi kita untuk pengambilan keputusan.

        Tentu saja, tidak semua variabel bebas ini dapat kita kendalikan, dalam arti kita
memiliki kemampuan untuk mengatur nilainya. Variabel terkontrol adalah harga, usaha
promosi, desain produk, dan tempat penjualan. Sementara itu, variabel tak terkontrol
pada fungsi permintaan adalah variabel yang berubah secara bebas luar usaha
perusahaan, seperti penghasilan konsumen, selera dan harapan, tindakan para pesaing,
populasi, cuaca, serta kejadian-kejadian politik dan sosial. Meskipun perusahaan tidak
dapat mengatur variabel-variabel ini, pengetahuan terhadap kemungkinan nilai variabel-
variabel ini sangat berguna, terutama untuk mengurangi ketidakpastian dari dampak
perubahan pada variabel-variabel ini.

Metode Langsung (Direct Methods) dan Metode Tidak Langsung (Indirect Methods)
dalam Perkiraan Permintaan

        Metode dalam perkiraan dapat dibedakan menjadi dua, yaitu metode langsung
dan metode tidak langsung. Metode langsung secara langsung melibatkan konsumen
dan terdiri atas wawancara dan survei, situasi pasar tersimulasikan, serta percobaan
pasar terkontrol. Sementara itu, metode tidak langsung menggunakan data uang telah
dikumpulkan dan berusaha untuk menemukan hubungan statistik di antara variabel
bebas (independen) dan variabel tidak bebas (dependen).




5.2 WAWANCARA, SURVEI, DAN PERCOBAAN (EKSPERIMEN)

Wawancara dan Survei

        Metode yang paling langsung dalam perkiraan permintaan adalah dengan
menanyakan secara langsung pembeli atau calon pembeli tentang reaksi yang mungkin
mereka lakukan jika ada perubahan pada harga atau faktor-faktor lain yang berpengaruh
terhadap keputusan mereka untuk membeli suatu produk. Salah satu dari mereka
mungkin ditanyakan tentang bertambah atau berkurang berapa banyak mereka akan
membeli suatu produk jika harga produk tersebut (atau periklanan, atau salah satu dari
variabel bebas) diubah nilainya.

        Meskipun terlihat sederhana, pendekatan ini memiliki beberapa kesulitan,
antara lain:
1. Ke-random-an dari sampel.
        Sampel yang diwawancarai atau disurvei harus mewakili pasar secara
   keseluruhan sehingga hasil dari wawancara atau survei tidak bias.
2. Bias pewawancara (Interviewer Bias).
       Bias pewawancara didefinisikan sebagai distorsi atas jawaban dari orang yang
   diwawancarai (responden) yang disebabkan oleh keberadaan dari si pewawancara.
   Responden mungkin akan memberikan jawaban yang tidak benar untuk menghindari
   hal-hal yang memalukan, seperti jika menjawab dengan benar maka si responden
   akan merasa sedikit bodoh, secara tidak langsung memperlihatkan kerakusan atau
   ketergantungan terhadap obat-obatan, memperlihatkan kecurangan pajak, atau hal-
   hal yang memalukan lainnya.
3. Masalah The Best of Intentions.
       Konsumen mungkin memang memiliki niat membeli produk perusahaan ketika
   wawancara dilakukan, tetapi ketika strategi pemasaran diterapkan, sesuatu mungkin
   membuat konsumen mengubah pikirannya.
4. Jawaban responden menjadi tidak dapat diandalkan jika pertanyaan yang diajukan
   membingungkan, disalahartikan, atau di luar pengetahuan atau bayangan si
   responden.

       Untuk    mengatasi    permasalahan-permasalahan        di   atas,   para   peneliti
menyarankan agar lebih memilih untuk mengambil jawaban sebuah pertanyaan yang
spesifik daripada jawaban-jawaban responden terhadap sekumpulan pertanyaan yang
lain. Keandalan jawaban responden dapat diuji dengan menanyakan responden
pertanyaan yang sama tetapi dengan bentuk pertanyaan yang berbeda. Selain itu,
pertanyaan terbuka (open-ended question) lebih disarankan daripada pilihan ganda agar
responden dapat mengungkapkan tanggapan mereka dengan kata-kata mereka sendiri
sehingga hasil wawancara menjadi tidak bias. Pemilihan kata pada pertanyaan yang
diajukan juga harus diperhatikan karena beberapa kata memiliki arti yang berbeda untuk
beberapa orang. Pertanyaan yang diajukan harus berurutan (sekuensial) dalam hal dapat
menciptakan dan menjaga minat responden, memancing jawaban yang akurat, serta
tidak menciptakan reaksi emosional yang dapat mempengaruhi jawaban responden atau
menyebabkan responden menolak untuk meneruskan wawancara.

Situasi Pasar Tersimulasikan (Simulated Market Simulations)

       Cara lain untuk mengetahui hal yang akan konsumen lakukan sebagai respon
terhadap perubahan harga atau upaya promosi adalah dengan membangun suatu pasar
buatan (artificial market) dan mengamati perilaku dari peserta yang telah dipilih. Hal
yang sering disebut consumer clinic ini sering dilakukan dengan memberikan peserta
sejumlah uang “bermain” dan meminta mereka untuk membelanjakan uang ini pada
sebuah toko buatan. Kelompok peserta yang berbeda mungkin akan dihadapkan dengan
struktur harga yang berbeda di antara produk-produk pesaing dan tampilan promosi
yang berbeda. Jika peserta dipilih secara acak untuk mewakili pasar dari suatu produk,
kita dapat mengamati reaksi yang mereka lakukan terhadap perubahan harga dan upaya
promosi, serta dapat menyimpulkan bahwa reaksi pasar akan sama dengan reaksi yang
mereka lakukan.

       Meskipun demikian, hasil dari situasi pasar tersimulasikan harus dilihat secara
hati-hati. Peserta mungkin akan membelanjakan uangnya berbeda dengan saat ia
membelanjakan uang “bermain” yang diberikan saat consumer clinic karena ia
menganggap uang “bermain” tersebut adalah uang orang lain. Selain itu, peserta juga
mungkin akan bereaksi berlebihan dan merasa bahwa mereka harus memilih suatu
produk (ketika mereka menyadari bahwa harga produk itu turun) untuk menunjukkan
kalau mereka adalah pembeli yang hemat dan bertanggung jawab (masalah bias
wawancara). Consumer clinic juga merupakan suatu metode yang mahal untuk
mengumpulkan data. Untuk mengurangi biaya, jumlah peserta mungkin akan ditekan
sehingga hasil dari consumer clinic mungkin tidak akan mewakili keseluruhan reaksi
pasar terhadap perubahan harga dan promosi.

Percobaan Pasar Sebenarnya (Direct Market Experiment)

       Percobaan pasar sebenarnya melibatkan orang-orang sebenarnya, dalam
keadaan pasar yang sebenarnya, dan membelanjakan uang mereka sendiri untuk barang
dan jasa yang mereka inginkan. Perusahaan akan memilih satu atau beberapa kota,
pasar regional, atau negara bagian dan melakukan percobaan pada pasar percobaan ini
yang dirancang untuk mengukur tingkat penerimaan konsumen terhadap suatu produk
dan untuk mengidentifikasi akibat dari suatu perubahan pada satu atau lebih variabel
terkontrol (variabel tak bebas) terhadap jumlah produk yang diminta.

Direct Marketing. Direct Marketing, yang dikenal juga dengan mail-order marketing,
adalah suatu saluran komunikasi antara penjual dan pembeli yang secara ideal cocok
untuk percobaan pasar. Konsumen akan memberikan respon terhadap iklan yang
dipasang oleh penjual pada beberapa media, seperti koran, majalah, radio, televisi, dan
pengiriman surat langsung ke konsumen. Pesanan melalui surat dan telepon setelah
iklan dari penjual atau pengiriman surat langsung ke konsumen menggambarkan kas di
muka dan merupakan indikator yang lebih dapat diandalkan daripada pernyataan
sederhana mengenai keinginan konsumen. Selain itu, tanggapan atas direct marketing
ini biasanya cukup cepat, tanggapan atas iklan televisi biasanya beberapa hari setelah
iklan ditayangkan, sedangkan tanggapan atas iklan di majalah atau pengiriman surat
langsung ke pelanggan biasanya diterima dalam jangka waktu enam sampai delapan
minggu. Meskipun demikian, direct marketing tidak dapat diterapkan pada beberapa
saluran pemasaran, seperti eceran melalui toko-toko di kota-kota dan pinggiran kota.

CATATAN:        Dengan adanya perubahan pada harga atau strategi pemasaran lainnya,
kemungkinan akan ada pengaruh awal yang akan terjadi. Konsumen biasanya akan
tertarik untuk mencoba produk baru atau merespon penurunan harga atau upaya
promosi, tetapi setelah mencoba produk tersebut, banyak yang akan kembali kepada
produk pesaing yang dulunya mereka telah beli. Sentakan respon awal konsumen ini
mungkin menyebabkan pendapatan penjualan yang perusahaan mungkin dapatkan
dalam beberapa minggu atau bulan menjadi terlalu besar (overstated) karena konsumen
belum membuat penyesuaian terhadap perubahan harga, ketersediaan produk,
promosi, atau variabel-variabel lainnya.

        Percobaan pasar sebaiknya dilakukan selama jangka waktu yang layak. Selama
jangka waktu ini, satu atau lebih variabel tak terkontrol mungkin akan berubah sehingga
perubahan penjualan selama periode ini bukan hanya karena perubahan variabel
terkontrol. Untuk memisahkan pengaruh dari variabel-variabel lainnya, perusahaan
sebaiknya juga mengamati dan memilih suatu pasar terkontrol yang dapat menampilkan
kemimiripan sosioekonomik dan profil kebudayaan dan menjadi subjek satu daerah
cuaca, politik, dan variabel tak terkontrol lainnya sama halnya seperti pasar percobaan
(test masket). Perubahan penjualan dalam pasar terkontrol selama jangka waktu
percobaan adalah semata-mata hasil dari faktor tak terkontrol.

        Jika suatu variabel tak terkontrol berubah dalam pasar percobaan tetapi tetap
atau berubah pada tingkatan yang berbeda dalam pasar terkontrol, hasil dari percobaan
pasar akan menjadi kurang dapat diandalkan.
5.3 ANALISIS REGRESI PERMINTAAN KONSUMEN

        Analisis regresi adalah teknik statistik yang digunakan untuk menemukan
ketergantungan yang jelas antara satu variabel dengan satu atau lebih variabel yang lain.
Teknik ini dapat digunakan untuk menentukan koefisien-koefisien dari fungsi
permintaan karena teknik ini menggambarkan pengaruh dari variabel yang menentukan
pada fungsi permintaan. Untuk analisis regresi, kita memerlukan suatu set pengamatan
yang masing-masingnya terdiri atas nilai dari variabel tak bebas Y ditambah nilai yang
sesuai dari variabel bebas X. Pada analisis regresi, kesimpulan dapat digambarkan dari
pola yang timbul pada hubungan antara data-data pada pengamatan. Analisis regresi
dapat diterapkan pada time-series data atau cross-section data.

Analisis Time-Series dan Analisis Cross-Section

        Analisis Time-Series menggunakan hasil pengamatan yang dilakukan selama
jangka waktu tertentu pada suatu situasi khusus. Permasalahan pada Analisis Time-
Series adalah beberapa variabel tak terkontrol cenderung akan berubah selama periode
pengamatan sehingga perubahan pada penjualan akan lebih diakibatkan perubahan
variabel-variabel tak terkontrol ini daripada perubahan harga.

        Sementara itu, Analisis Cross-Section menggunakan hasil pengamatan dari
perusahan-perusahan atau situasi-situasi yang berbeda pada satu titik atau periode
waktu tertentu. Oleh karena itu, Analisis Cross-Section dapat menghilangkan
permasalahan yang timbul akibat perubahan variabel bebas selama periode
pengamatan, tetapi Analisis Cross-Section menimbulkan faktor-faktor lain yang mungkin
berbeda di antara perusahaan-perusahaan pada suatu titik waktu tertentu, seperti
efektifitas personil penjualan, posisi arus kas (cash flow), tingkat dari aktivitas promosi,
dan objetifitas manajemen.

Kelinieran Persamaan Regresi

        Analisis regresi mensyaratkan bahwa ketergantungan antara variabel X terhadap
variabel Y diungkapkan dalam bentuk linear:
di mana e ditambahkan untuk mewakili kesalahan atau nilai sisa yang akan meningkat
sebagai perbedaan antara nilai sebenarnya dari setiap Y yang telah diamati dalam
hubungannya dengan setiap nilai dari X, dan nilai perkiraan dari setiap Y hasil prediksi
dari persamaan regresi untuk nilai-nilai X yang diberikan.

        Hubungan nonlinear antara nilai X dan Y (seperti kuadrat, kubik, eksponensial,
hiperbola, dan power function) seharusnya digunakan apablia paling cocok denga data.
Untungnya,bentuk nonlinear ini dapat diubah menjadi bentuk sederhana dengan
menggunakan transformasi matematika sederhana, sehingga regresi linear dapat
digunakan untuk memperkirakan hubungan di antara variabel-variabel. Bentuk power
function yang paling sering digunakan:




        Bentuk hubungan curvilinear di atas dapat diungkapkan sebagai hubungan
rectilinear dengan menggunakan transformasi logaritma sebagai berikut:




Dalam bentuk ini, persamaan sudah linear dan koefisien        dan     dapat ditemukan
secara langsung dengan menggunakan analisis regresi. Sementara itu, koefisien     dapat
ditemukan dengan membalikkan transformasi (menggunakan antilog) dari nilai
yang disediakan oleh analisis regresi.

Perkiraan Parameter-Parameter Regresi

        Metode kuadrat terkecil (least squares) digunakan untuk menemukan
parameter       dan      sedemikian hingga persamaan regresi akan mewakili atau
mengikhtisarkan hubungan yang jelas antara variabel          dan variabel tak bebas Y.
Metode kuadrat terkecil, yang juga sering disebut dengan ordinary least squares (OLS),
adalah proses matematis yang memilih perpotongan dan kemiringan garis yang paling
cocok sedemikian hingga jumlah kuadrat dari simpangan (kesalahan) minimum.

        Untuk mencari nilai    dan , persamaan yang digunakan adalah sebagai berikut:




dan
di mana   adalah rata-rata aritmatika dari nilai-nilai Y,   adalah rata-rata aritmatika dari
nilai-nilai Y, dan n adalah jumlah pengamatan atau data.

Koefisien Penentuan (The Coefficient of Determination)

        Koefisien Penentuan (The Coefficient of Determination), yang biasanya
diungkapkan sebagai R2, adalah statistik yang mengindikasikan proporsi dari perubahan
dalam variabel tak bebas yang dijelaskan oleh perubahan dalam variabel-variabel bebas.
Persamaan untuk mencari R2 adalah:




        Nilai R2 memberi tahu kita seberapa cocok persamaan regresi dengan data. Nilai
   berkisar dari 0,00 sampai 1,00. Semakin besar nilai        berarti bahwa semakin besar
perubahan dalam variabel bebas yang mempengaruhi perubahan variabel tak bebas,
begitu pula sebaliknya. Contohnya, jika nilai      adalah 78%, hal ini berarti bahwa 78%
perubahan pada variabel tak bebas disebabkan oleh variabel bebas.

Kesalahan Standar Perkiraan (The Standard Error of Estimate)

        Kesalahan Standar Perkiraan (The Standard Error of Estimate) adalah suatu
ukuran penyebaran data-data dari garis yang paling cocok (sesuai). Dengan diberikan
Standard Error of Estimate ( ), kita dapat menghitung                interval kepercayaan
(confidence interval) untuk tingkat kepercayaan yang berbeda. Interval kepercayaan
adalah suatu rentang nilai di mana di dalamnya kita memperkirakan bahwa hasil
pengamatan yang sesungguhnya akan jatuh.

        Adapun persamaan untuk mencari           Standard Error of Estimate ( ) adalah
sebagai berikut:
Kekuatan Prediksi dari Persamaan Regresi

         Jika interval kepercayaan relatif sempit karena nilai standard error of estimate
kecil, maka persamaan regresi memiliki kekuatan prediksi yang lebih besar daripada jika
nilai    relatif besar dan interval kepercayaan relatif lebar. Tingkat relativitas ini dapat
dilihat dari rasio       . Contohnya, jika rasio       kurang dari 0,05, maka simpangan
rata-rata dari nilai Y yang diprediksikan seharusnya kurang dari 5%.

Kesalahan Standar Koefisien (Standard Error of the Coefficient)

         Kesalahan Standar Koefisien (Standard Error of the Coefficient),          , adalah
ukuran keakuratan dari hasil perhitungan nilai β, koefisien yang memperkirakan
hubungan marjinal antara variabel X dan Y. Jika nilai        relatif kecil, maka kita dapat
beranggapan kalau nilai β hasil perhitungan sangat dekat dengan nilai β yang
sesungguhnya. Nilai β yang sesungguhnya dapat kita verifikasi jika kita seluruh populasi,
bukan hanya sampel saja, yang diamati menghubungkan variabel X dan Y. Semakin kecil
nilai   , semakin besar kepercayaan yang kita pada koefisien regresi yang dihasilkan
data sebagai indikator yang dapat diandalkan atas hubungan marginal yang sebenarnya
antara nilai Xi dan nilai Y.

         Standard Error of the Coefficient dapat dihitung dengan menggunakan rumus
sebagai berikut:




Permasalahan dalam Analisis Regresi: Enam Perangkap Utama (Six Major Pitfalls)

         Ada enam masalah utama yang mungkin kita dihadapi dalam analisis regresi.
Jika satu atau lebih masalah ini muncul, analisis regresi akan menghasilkan parameter
perkiraan dan statistik yang tidak dapat diandalkan, serta kemungkinan besar akan
memberikan penjelasan yang salah dan prediksi yang buruk.

Kesalahan Perincian (Specification Errors).        Tipe masalah yang mungkin muncul dari
kesalahan ini ada dua. Pertama, ada penggunaan bentuk fungsi yang salah pada
hubungan antara variabel-variabel. Dari penjelasan di atas, kita tahu bahwa persamaan
regresi harus dihitung dalam bentuk linear, tetapi bentuk linear ini dapat didapatkan
dari hubungan nonlinear dengan menggunakan tranformasi logaritma. Untuk
mengetahui bentuk fungsi mana yang paling cocok untuk data, kita membandingkan
statistik R2 dari beberapa bentuk fungsi.

        Kedua, kesalahan perincian melibatkan penghilangan suatu variabel penjelas
yang penting. Hal ini dapat mengakibatkan ketidakandalankoefisien-koefisien regresi
dan melanggar batasan-batasan yang kita letakkan pada syarat-syarat kesalahan.

Kesalahan Pengukuran (Measurement Errors). Perangkap berikutnya yang harus kita
hindari adalah pengukuran yang tidak tepat terhadap variabel-variabel. Variabel-variabel
yang biasanya rawan terhadap kesalahan pengukuran adalah harga, terutama untuk
situasi yang melibatkan tawar-menawar, diskon, atau tukar tambah, di mana uang yang
sebenarnya perusahaan dapatkan biasanya lebih rendah dari daftar harga. Untuk semua
variabel, jika data yang digunakan tidak dapat mengukur tingkat variabel secara akurat,
maka keadaan “garbage in, garbage out” akan terjadi.

Hubungan Persamaan Simultan.                Analisis regresi diproses dengan asumsi bahwa
sebuah persamaan menjelaskan seluruh hubungan. Satu masalah dalam perkiraan
permintaan muncul karena tingkat harga adalah hasil dari solusi dari persamaan
simultan dari permintaan dan penawaran. Masalah ini muncul karena ada kekurangan
data dalam analisis regresi untuk mengidentifikasi pergeseran pada kurva permintaan.
Oleh karena itu, hal ini sering disebut dengan masalah identifikasi. Masalah ini hanya
muncul pada time-series data dalam perkiraan permintaan karena biasanya fungsi
permintaan tidak akan tetap stabil selama periode waktu yang panjang sebab ada
perubahan pengaruh, seperti penghasilan konsumen dan pola pilihan. Masalah ini dapat
dihindari dengan menyertakan variabel penentu yang menyebakan kurva permintaan
menjadi bergeser.

Multikolinearitas.      Permasalahan multikolinearitas muncul ketika variabel-varriabel
bebas tidak bebas (satu sama lainnya) sama sekali. Jika dua atau lebih variabel penjelas
berubah bersama karena ketergantungan mereka satu sama lain atua terhadap variabel
lainnya, koefisien    yang diberikan kepada setiap variabel oleh solusi regresi mungkin
tidak mempunyai hubungan terhadap pengaruh marjinal sebenarnya dari variabel-
variabel ini terhadap variabel tak bebas.
       Keberadaan multikolinearitas dapat dihilangkan dengan mengecek koefisien
korelasi dia antara pasangan-pasangan variabel tak bebas. Kebanyakan program regresi
komputer akan menghasilkan matriks korelasi. Jika ada dua variabel bebas ditemukan
memiliki korelasi yang tinggi satu sama lainnya, salah satu dari variabel tak bebas itu
harus dikeluarkan dari persamaan regresi, sehingga satu persamaan, yang lebih dapat
diandalkan, akan dapat diperoleh.

Heteroskedastisitas (Heteroscedasticity).      Analisis     regresi    mengasumsikan
homoskedastisitas dari kesalahan. Analisis regresi mengasumsikan nilai sisa (residual)
atau simpangan (deviasi) dari garis yang paling cocok terjadi secara acak dengan
mematuhi besarnya variabel bebas. Jika kesalahan tidak terjadi secara acak tetapi
menampilkan suatu hubungan sistematis dengan besar dari satu atau lebih variabel tak
bebas, kita mengalami keadaan heteroskedastisitas. Keadaan ini dapat menyebabkan
Standard Error of the Coefficient memberikan indikasi yang tidak sesuai dan
menyebabkan koefisien penentuan menjadi overstate terhadap kekuatan menjelaskan
(explanatory power) dari persamaan regresi. Masalah ini dapat dihilangkan dengan
menguji kembali variabel-variabel bebas, mengubah bentuk fungsi dari hubungan,
melakukan transformasi data, atau menggunakan teknik regresi kuadrat terkecil
tertimbang (weighted least-squares).

Autokorelasi (Autocorrelation).        Autokorelasi adalah masalah lain yang muncul
ketika syarat-syarat kesalahan tidak memenuhi batasan-batas yang disyaratkan oleh
analisis regresi. Autokorelasi, yang dikenal juga dengan serial correlation, hanya dapat
terjadi pada time-series data dan ditandai dengan adanya pola berurutan dari kesalahan.
Jika ukuran kesalahan menjadi lebih besar atau lebih kecil secara progresif, atau
menampilkan siklis atau pola lainnya atas hasil pengamatan X yang tersusun secara
berurutan, pola ini menandakan bahwa ada variabel lain yang berubah secara sistematis
dan mempengaruhi variabel tak bebas. Autokorelasi dapat dihilangkan dengan cara
menambahkan variabel pada persamaan regresi untuk menjelaskan pola sistematis.

				
DOCUMENT INFO
Stats:
views:359
posted:2/5/2011
language:Indonesian
pages:11